第5章 相关分析与回归分析.pptVIP

第5章 相关分析与回归分析 1.皮尔逊积矩系数、Spearman相关系数以及Kendall相关系数的计算与分析; 2.偏相关系数的计算与伪相关系数的鉴别； 3.简单线性回归； 4.多元线性回归； 统计学原理 变量间的关系分为确定性关系和非确定性关系。 确定性关系即函数关系，非确定性关系即相关关系。 相关分析的主要目的是研究变量之间关系的密切程度。 回归分析是揭示一个变量如何与其他变量相联系，前者叫做解释变量，后者叫做被解释变量 相关分析和回归分析都是对客观事务数量依存关系的分析。 计算相关系数有不同的方法。其中，皮尔逊积矩相关系数(Pearson简单相关系数)适用等间隔测度，而Spearman相关系数和Kendall相关系数都是非参测度。 2.相关分析过程的操作原理 选择Analyze—Correlate 相关分析过程具体包括： Bivariate:计算双变量间的相关系数； Partial:计算偏相关系数； Distances:对变量进行相似性或不相似性测度。 双变量相关分析过程 ①Correlation Coefficients ：相关类型 Pearson:皮尔逊积矩相关系数 Kendall’s tau-b:肯德尔和谐系数 Spearman：斯皮尔曼等级相关系数 ② Test of significance：显著性检验 Two-tailed：双侧检验（默认） One-tailed：单侧检验 ③ “Flag significant correlations”：选择相关显著度水平的标识，该标识就是*号。当显著度水平低于0.05时，显示一个*号，当低于0.01时，将显示两个*号。 偏相关分析过程 偏相关系数的计算与伪相关的鉴别 数据文件5-4 2.回归分析的统计学原理 回归分析是研究客观事物变量间的关系，它是建立在对客观事物进行大量试验和观察的基础上，通过建立数学模型寻找不确定现象中所存在的统计规律的方法。回归分析所研究的主要问题就是研究因变量(y)和自变量(x)之间数量变化规律，如何利用变量X，Y的观察值（样本），对回归函数进行统计推断，包括对它进行估计及检验与它有关的假设等。 回归分析过程操作原理 选择Analyze—Regression 打开“Regression”的右拉式菜单，菜单包含： 1. Linear 线性回归。 2. Curve Estimation 曲线估计。 3. Binary Logistic 二元逻辑分析。 4. Multinomial Logistic 多元逻辑分析。 5. Ordinal 序数分析。 6. Probit 概率分析。 7. Nonlinear 非线性估计。 8. Weight Estimation 加权估计。 9. 2-Stage Least Squares 两段最小二乘法。 （1）线性回归过程 在数学关系式中只描述了一个变量与另一个变量之间的数量变化关系，则称其为一元回归分析。 其回归模型为 y 称为因变量，x称为自变量， 称为随机误差，a,b 称为待估计的回归参数，下标 i 表示第i个观测值。 如果给出a和b的估计量分别为 , ，则经验回归方程: 一般把 称为残差， 残差可视为扰动 的“估计量”。 “Analyze”——“Regression”——“Linear数据文件5-5 “Dependent”：因变量 “Independent(S)”：自变量 注：SPSS中一元回归和多元回归以及多元逐步回归都是使用同一过程，所以该栏可以输入多个自变量。 “Selection Variable”：控制变量输入栏。控制变量相当于过滤变量，即必须当该变量的值满足设置的条件时，观测量才能参加回归分析。输入控制变量后，激活“Rule”按钮。 “Method”：选择一种回归分析方式。 ①强行介入法Enter（一次性进入） 这是一种不检验F和Tolerance，一次将全部自变量无条件地纳入回归方程。 ②强行剔除Remove（一次性剔除） 指定某些变量不能进入方程。这种方法通常同别的方法联合使用，而不能首先或单独使用，因为第一次使用或单独使用将意味着没有哪个变量进入方程。 ③逐步进入Stepwise 每次选择符合进入条件的自变量进入方程，进入后立即检验，不合格者剔除，直到全部合格自变量进入方程。 ④反向剔除Backward 先强行介入，再逐个剔除不合格变量，直到全合格。 ⑤正向进入Forward 每次选择符合进入条件的自变量进入方程，逐个选择，逐个进入，直到全部合格自变量进入方程。 “Statistics” ②“Residuals”残差选项： “Durbi